С помощью системного анализа больших данных можно прогнозировать поведение потребителей, находить тренды раньше конкурентов, выводить на рынок новые продукты и увеличивать прибыль. Всё это давно вошло в бизнес-практику корпораций в таких сферах как маркетинг, инфобез и даже HR, что очень классно продемонстрировал кейс Билайна (взят из открытых источников): они анонсировали применение подхода в работе HR-служб, которые при помощи статистики могут прогнозировать эффективность работы сотрудника, а именно сколько продержится в компании и будет ли вовлечён в процесс ещё до того, как его примут в штат.

Подход data-driven, появился в конце 90-х и пришедший на смену устаревшим управленческим принципам HiPPO (Highest Paid Person'sOpinion), основанным на принятии субъективных руководящих решений и стал для многих новым культом.

Однако меня всегда интересовала применимость его в проектной среде - при планировании и реализации проектов. Сходу смогла придумать два кейса, в которых можно было бы применить подход на данных, чтобы получить более значимые результаты или избежать ошибок.

Кейс 1 - есть проект

Возьмем за отправную точку, что у нас есть нужная и полезная для кого-то инициатива, которая пройдя ряд согласований, утверждается и возводится в ранг проекта. Далее по проекту необходимо провести этап уточнений – «обвешивания» метриками и другими целевыми показателями, декомпозиции целей и пр. Как правило, уже на этом этапе выявляются точечные расхождения. Приведу конкретный пример, при внедрении автоматизированной системы управления клиентскими обращениями, мы заявляем, как одну из целей проекта – повышение CSI – комплексной метрики удовлетворенности клиента от взаимодействия с компанией. Выглядит вполне логично, опрошенный бизнес – с радостью примет в качестве результата Вашего проекта возросший CSI (возможно, даже, потому что это влияет на их годовой KPI и премии) и горячо поддержит инициативу.  Однако, на берегу важно подумать о методологии расчета не просто показателя, а эффекта от проекта на CSI. Кажется, что это банальная вещь, о которой, к сожалению, порой задумываются слишком поздно, а проект оказывается «провальным» в глазах бизнеса, ожидавшего «золотые горы» от внедрения вашего решения. Так что же предлагается поменять в этой цепочке, когда, казалось бы, все просто – нужно делать, как правильно, т.е.выбирать правильные метрики, а как неправильно делать не нужно и причем здесь подход на данных? Если бы на этапе планирования проекта были проанализированы факторы, влияющие на клиентский CSI, получить которые можно из массива обращений клиентов, было бы очевидно, что оценить влияние от внедрения системы практически невозможно, т.к. даже придумав методологию оценки, скорее всего эффект крайне плохо поддается измерению, а существенно большее влияние на рост этого показателя оказывают совершенно другие факторы, которые лежат за пределами зоны влияния ИТ-менеджеров, например, обучение персонала, взаимодействующего на клиентском фронте, внедрение системы мотивации сотрудников, а также внедрение и постоянная актуализация SLA.

А вы что думаете по такому примеру применения подхода?

Продолжение в следующем посте.